GPT-6 Astra宣称91.5%越狱抵抗率，发布24小时内被Task-in-Prompt攻击突破
2026年9月3日，OpenAI发布GPT-6 Astra，官方测试显示对已知越狱攻击的拒绝率达91.5%，是前代GPT-5.6 Sol的59%的大幅提升。然而发布不到24小时，一名研究者即通过Task-in-Prompt扩展攻击组合多种方
提示注入 相关资讯
微软Copilot Personal CoSnitch漏洞曝光 一键数据泄露链已修补
Varonis发现微软Copilot Personal存在CVE-2026-24301漏洞，攻击者可通过恶意链接注入提示词，让Copilot查询并外泄Gmail、Drive等数据。微软于2026年8月18日完成修补，未见野外利用证据。该漏洞
OpenAI GPT-Red以84%成功率对抗测试GPT-5.6 人工红队仅13%
OpenAI推出GPT-Red模型，通过对抗性自我对弈训练实现84%提示注入攻击成功率，远超人工红队的13%。该模型已用于加固GPT-5.6，使其直接提示注入失败率降至0.05%，但仍作为人工测试的辅助工具内部运行。